QR: drferhatu.github.io/tiptekno26-cgr-coronavirus

Özel Oturum · Tıp Teknolojilerinde Kaos Teorisi:
Moleküler Dinamiklerden Klinik Veri Güvenliğine Çok Ölçekli Yaklaşımlar · Oturum Başkanı: Fatih ÖzkaynakSpecial Session · Chaos Theory in Medical Technologies:
Multiscale Approaches from Molecular Dynamics to Clinical Data Security · Chair: Fatih Özkaynak

Bir virüsü,
resmine bakarak tanımak.Recognising a virus
from its picture.

Chaos Game Representation as a Lightweight Genomic Signature for Alignment-Free Classification of Coronaviruses

Ferhat Uçar¹ · Elifnur Yüksel²
¹Teknoloji Fakültesi · ²Fen Bilimleri Enstitüsü
Yazılım Mühendisliği · Fırat Üniversitesi¹Faculty of Technology · ²Graduate School of Natural and Applied Sciences
Software Engineering · Fırat University

SoruThe question

Elinize yeni bir virüs genomu geldi.
Hangi aileden?A new viral genome arrives.
Which family is it from?

≈ 30.000 harf · dört harfli bir alfabe: A, C, G, T · gösterilen: GenBank (SARS-CoV-2)≈ 30,000 letters · a four-letter alphabet: A, C, G, T · shown: GenBank (SARS-CoV-2)

Ailesini bilmek; hangi testin, hangi primerin, hangi analizin seçileceğini belirler. Salgında ilk sorulan soru budur.Knowing the family decides which test, which primers and which analysis come next. In an outbreak, it is the first question asked.

Bugünkü yolThe usual way

Harf harf hizalamak.Line it up, letter by letter.

şematik gösterim · sarı: uyuşmazlık, boşluk: ekleme/silmeschematic · yellow: mismatch, blank: insertion/deletion

Doğru, ama ağırAccurate, but heavy

Harfler tek tek karşılaştırılır.Letters are compared one by one.

Referans isterNeeds a reference

Bilinmeyeni hep bilinene dizeriz.The unknown is always lined up against the known.

Zor ölçeklenirHard to scale

Salgında binlerce genom aynı anda gelir.In an outbreak, thousands of genomes arrive at once.

Hizalamasız yol: diziyi hizalamadan, kısa harf gruplarının ne sıklıkla geçtiğiyle özetlemek.The alignment-free way: summarise the sequence by how often short letter groups occur — no alignment at all. Zielezinski et al., Genome Biol., 2017

Klasik yol hizalama: yeni diziyi bilinen bir referansla harf harf üst üste koymak. [tıkla]

Doğru bir yöntem; ama ağır, her zaman bir referans istiyor ve pandemide olduğu gibi binlerce genom geldiğinde yavaşlıyor. [tıkla]

Hizalamasız yöntemler diziyi okumadan, kısa harf gruplarının sıklığıyla özetliyor. Biz bunun kaos teorisinden gelen bir versiyonunu kullandık.

The classic route is alignment: laying the new sequence over a known reference, letter by letter. [click]

It is accurate, but heavy; it always needs a reference, and it slows down when thousands of genomes arrive at once, as in the pandemic. [click]

Alignment-free methods summarise the sequence by how often short letter groups occur, without aligning it. We used a version that comes from chaos theory.

Fikir · Jeffrey, 1990The idea · Jeffrey, 1990

Diziyi bir
resme çevirelim.Let's turn the
sequence into a picture.

Kural: ortadan başla. Her harfte, o harfin köşesine doğru yolun yarısı kadar git ve bir nokta koy.Rule: start in the middle. For each letter, move halfway towards that letter's corner and drop a dot.

p_i = ½ ( p_i−1 + köşecorner(b_i) )

ilk 500 harffirst 500 letters

ACGT

Kaos Oyunu Gösterimi (CGR)Chaos Game Representation (CGR)

Bütün genomu
oynatınca:Play the
whole genome:

Rastgele bir bulut değil: boşluklar ve kendini tekrar eden desenler, genomun “kelime alışkanlığını” gösteriyor. Aynı türde tutarlı, türler arasında farklı: genomik imza.Not a random cloud: gaps and self-similar patterns reveal the genome's “word habits”. Stable within a species, different between species: a genomic signature.

Jeffrey, Nucleic Acids Res., 1990 · Deschavanne et al., Mol. Biol. Evol., 1999

ACGT

Resimden sayılara · FCGR · Almeida, 2001From picture to numbers · FCGR · Almeida, 2001

Kareyi ızgaraya bölüp
noktaları sayalım.Cut the square into a grid
and count the dots.

k = 1 · 4 hücre · tek harflerin oranı4 cells · share of each letter
k = 2 · 16 hücre · iki harflik kelimeler16 cells · two-letter words
k = 3 · 64 hücre · üç harflik kelimeler64 cells · three-letter words

Her hücre, bir k-harfli kelimenin ne sıklıkla geçtiğini sayar. Izgara 4^k sayı verir: k = 5 → 1.024 · k = 6 → 4.096. Sınıflandırıcının girdisi bu sayılar.Each cell counts how often one k-letter word occurs. The grid yields 4^k numbers: k = 5 → 1,024 · k = 6 → 4,096. These numbers are the classifier's input.

ACGT

Resmi bilgisayarın kullanabileceği sayılara çevirmek için kareyi ızgaraya bölüp her hücredeki noktaları sayıyoruz.

[tıkla] Dört hücrede bu, tek harflerin oranı. [tıkla] On altı hücrede iki harflik kelimeler. Bakın: CG hücresi en koyulardan. Koronavirüs genomlarında CG ikilisi az bulunur (CpG baskılanması); resim bunu kendiliğinden gösteriyor. [tıkla] Altmış dört hücrede üç harflik kelimeler.

[tıkla] Yani k harflik ızgara 4 üzeri k sayı veriyor. Bu sayılar bizim özniteliklerimiz: FCGR.

To turn the picture into numbers a computer can use, we cut the square into a grid and count the dots in each cell.

[click] With four cells, this is the share of each single letter. [click] With sixteen cells, two-letter words. Look: the CG cell is one of the darkest. Coronavirus genomes carry few CG pairs (CpG suppression), and the picture shows it on its own. [click] With sixty-four cells, three-letter words.

[click] So a k-letter grid gives 4 to the power k numbers. These numbers are our features: FCGR.

Veri · NCBI GenBank / NCBI VirusData · NCBI GenBank / NCBI Virus

tam genom. Dört aile. Dengeli.complete genomes. Four families. Balanced.

SARS-CoV-2 hiç kullanılmadı: genom en baştan kenara kondu.SARS-CoV-2 was never used: genomes were set aside from the start.

Tam genomlar (– harf) · tohumlu (seed = 42) rastgele, dengeli örneklem · birebir kopyalar ayıklandı · tüm accession numaraları paylaşıldıComplete genomes (– letters) · seeded (seed = 42) random, balanced sample · exact duplicates removed · all accession numbers released

Dört ailenin imzasıFour family signatures

Her ailenin ortalama resmi.The average picture of each family.

Aynı dil bilgisi, farklı ince desenler. Sınıflandırıcının kullandığı tam da bu farklar.Same grammar, different fine patterns — exactly what the classifier uses.

Her ailenin ortalama FCGR'si, k = 6 (4.096 hücre), log ölçekMean FCGR of each family, k = 6 (4,096 cells), log scale

Sınıflandırıcı · doğrusal SVMThe classifier · linear SVM

Her genom bir nokta.
Aileler kendi bölgelerinde.Each genome is a point.
Families cluster together.

1.024 boyutlu uzayın iki boyutlu gölgesi (PCA, k = 5). İki boyutta bile gruplar seçiliyor; ayrımı sınıflandırıcı 1.024 boyutun tamamında yapıyor.A 2-D shadow of the 1,024-dimensional space (PCA, k = 5). Groups show even in 2-D; the classifier separates them using all 1,024 dimensions.

doğruluk · 5-katlı çapraz doğrulamaaccuracy · 5-fold cross-validation

/ doğru · tek hata: bir Alfa, Gama sanıldıcorrect · a single error: one Alpha read as Gamma

Her genom artık 1024 sayılık bir nokta. Bu uzayı iki boyuta indirdiğimizde bile aileler kendi bölgelerinde toplanıyor; Alfa ile Beta iki boyutta biraz örtüşüyor, ama asıl ayrımı sınıflandırıcı 1024 boyutun tamamında yapıyor.

Bu yüzden en sade sınıflandırıcıyı, doğrusal bir destek vektör makinesini kullandık. [tıkla] Sonuç: beş katlı çapraz doğrulamada yüzde 99,9.

[tıkla] 976 genomdan yalnızca biri yanlış: bir Alfa, Gama sanılmış.

Each genome is now a point made of 1,024 numbers. Even when we squeeze this space into two dimensions, the families gather in their own regions; Alpha and Beta overlap a little in 2-D, but the classifier does the real separation using all 1,024 dimensions.

That is why we used the simplest classifier, a linear support vector machine. [click] The result: 99.9 percent in five-fold cross-validation.

[click] Out of 976 genomes, only one is wrong: an Alpha read as a Gamma.

Şaşırtıcı olanThe surprise

64 sayı yetiyor.numbers are enough.

Tam genomda, ailenin kimliği şaşırtıcı derecede küçük bir temsilden geri kazanılabiliyor.On full genomes, family identity can be recovered from a remarkably compact representation.

Kendimizi kandırıyor muyuz?Are we fooling ourselves?

Aynı türün kopyaları hem eğitimde
hem testte olursa?What if copies of one species sit
in both training and test?

rastgele bölmerandom split

→

tür-farkında bölmespecies-aware split

tür grubu · beş katlı GroupKFold · makro-F1species groups · five-fold GroupKFold · macro-F1

Hiç görmediği bir virüsA virus it has never seen

Model SARS-CoV-2'yi hiç görmedi.The model never saw SARS-CoV-2.

0 / → Betacoronavirus

Doğru aile. Eğitimdeki diğer betakoronavirüslerin imzası yetti.The right family. The signature of the other betacoronaviruses was enough.

Gerçek hayat · kısa parçalarReal life · short fragments

Elinizde tam genom değil,
kısa bir parça varsa?What if you only have
a short piece?

k = 3 kısa parçada kararlı ama yeterince ayırt edici değil; k = 5 daha seyrek ama aileye özgü ince deseni taşıyor. k'yı beklenen okuma uzunluğuna göre seçin.k = 3 is stable on a short piece but not discriminative enough; k = 5 is sparser yet carries the family-specific fine pattern. Choose k from the expected read length.

Gerçek hayatta elinizde her zaman tam genom olmuyor; kısa okumalar oluyor. Modeli tam genomla eğitip kısa parçalarla test ettik.

[tıkla] k=3: 1000 harflik bir parçada yüzde 57'de kalıyor. [tıkla] k=5 ise yüzde 91'i koruyor.

[tıkla] Çünkü üç harflik özet kısa parçada kararlı ama yeterince ayırt edici değil; beş harflik özet daha seyrek ama aileye özgü ince deseni taşıyor. Tam genomda en küçük k; kısa okumada daha yüksek k.

In real life you do not always have a full genome; you have short reads. We trained the model on full genomes and tested it on short fragments.

[click] k=3: on a 1,000-letter fragment it drops to 57 percent. [click] k=5 keeps 91 percent.

[click] The three-letter summary is stable on a short piece but not discriminative enough; the five-letter summary is sparser yet carries the family-specific fine pattern. Smallest k for full genomes; a higher k for short reads.

HızSpeed

Hizalama yok. GPU yok.No alignment. No GPU.

ms

genom başına öznitelik çıkarmafeature extraction per genome

s

976 genomla eğitimtraining on 976 genomes

< 1 ms

yeni bir genomu sınıflandırmaclassifying a new genome

Tek bir dizüstü bilgisayar · Apple M2 Pro · Python, scikit-learnA single laptop · Apple M2 Pro · Python, scikit-learn

Akılda kalacak üç şeyThree things to remember

Kaos oyunu, bir genomu yorumlanabilir bir resme ve sayılara çeviriyor.The chaos game turns a genome into an interpretable picture and numbers.
Tam genomda 64 sayı ve düz bir sınır aileyi buluyor; hiç görmediği bir virüsü bile doğru aileye koyuyor.On full genomes, 64 numbers and a straight boundary find the family — even for a virus never seen before.
Dizi kısaldıkça bu tutumluluk kayboluyor: k'yı okuma uzunluğuna göre seçin.As sequences get short, that parsimony fades: choose k from the read length.

Sınırlar: görev cins düzeyinde · veri kamu arşivlerinin örnekleme yanlılığını taşıyor · okumalar yerine bitişik parçalar kullanıldı, dizileme hatası modellenmedi.Limits: a genus-level task · data inherit public-archive sampling biases · contiguous fragments stood in for reads; sequencing error was not modelled.

Akılda kalacak üç şey. [tıkla] Kaos oyunu genomu yorumlanabilir bir resme ve sayılara çeviriyor.

[tıkla] Tam genomda 64 sayı ve düz bir sınır aileyi buluyor; hiç görmediği bir virüsü bile. [tıkla] Ama dizi kısaldıkça bu tutumluluk kayboluyor.

[tıkla] Sınırlarımızı da açıkça söyleyelim: görev cins düzeyinde, veri kamu arşivlerinden ve okuma hatalarını henüz modellemedik.

Three things to remember. [click] The chaos game turns a genome into an interpretable picture and numbers.

[click] On full genomes, 64 numbers and a straight boundary find the family — even for a virus never seen before. [click] But as sequences get short, that parsimony fades.

[click] And our limits, stated plainly: the task is genus-level, the data come from public archives, and we have not yet modelled read errors.

Kod, veri listeleri ve bu sunumCode, data lists and this presentation

Teşekkürler.Thank you.

Sorularınızı memnuniyetle alırım.Happy to take your questions.

15 Ekim 2026 · Gaziantep · Sunan: Ferhat Uçar15 October 2026 · Gaziantep · Presenter: Ferhat Uçar

fucar@firat.edu.tr · 251137146@firat.edu.tr

Sunumu telefonunuzda açınOpen the slides on your phone

Bir virüsü,resmine bakarak tanımak.Recognising a virusfrom its picture.

Elinize yeni bir virüs genomu geldi.Hangi aileden?A new viral genome arrives.Which family is it from?

Harf harf hizalamak.Line it up, letter by letter.

Doğru, ama ağırAccurate, but heavy

Referans isterNeeds a reference

Zor ölçeklenirHard to scale

Diziyi birresme çevirelim.Let's turn thesequence into a picture.

Bütün genomuoynatınca:Play thewhole genome:

Kareyi ızgaraya bölüpnoktaları sayalım.Cut the square into a gridand count the dots.

tam genom. Dört aile. Dengeli.complete genomes. Four families. Balanced.

Her ailenin ortalama resmi.The average picture of each family.

Her genom bir nokta.Aileler kendi bölgelerinde.Each genome is a point.Families cluster together.

64 sayı yetiyor.numbers are enough.

Aynı türün kopyaları hem eğitimdehem testte olursa?What if copies of one species sitin both training and test?

Model SARS-CoV-2'yi hiç görmedi.The model never saw SARS-CoV-2.

Elinizde tam genom değil,kısa bir parça varsa?What if you only havea short piece?

Hizalama yok. GPU yok.No alignment. No GPU.

Teşekkürler.Thank you.

KısayollarShortcuts

Bir virüsü,
resmine bakarak tanımak.Recognising a virus
from its picture.

Elinize yeni bir virüs genomu geldi.
Hangi aileden?A new viral genome arrives.
Which family is it from?

Diziyi bir
resme çevirelim.Let's turn the
sequence into a picture.

Bütün genomu
oynatınca:Play the
whole genome:

Kareyi ızgaraya bölüp
noktaları sayalım.Cut the square into a grid
and count the dots.

Her genom bir nokta.
Aileler kendi bölgelerinde.Each genome is a point.
Families cluster together.

Aynı türün kopyaları hem eğitimde
hem testte olursa?What if copies of one species sit
in both training and test?

Elinizde tam genom değil,
kısa bir parça varsa?What if you only have
a short piece?